Error de especificación en mínimos cuadrados generalizado

Resumen

Cuando en un modelo de regresión existe un error de especificación debido a una variable excluida, las estimaciones mediante el método de mínimos cuadrados generalizado (MCG) son sesgadas y el sesgo depende en forma crucial de la forma en que se generan las variables incluidas y excluidas, y no de la forma en que se genera el verdadero error. El sesgo en las estimaciones MCG es mayor que en las obtenidas por mínimos cuadrados simple, excepto cuando la variable excluida tiene una autocorrelación mayor que la variable incluida. La eficiencia relativa de MCG con respecto a mínimos cuadrados simple no depende de la variable omitida.